Vídeo con sonido: hoja de brief de dos pistas
Midjourney AI Team · 12 de noviembre de 2026 · 5 min read

Los reportes de office hours de noviembre sitúan un modelo de vídeo que genera sonido en la hoja de ruta de Midjourney: sin fecha, sin precio y sin lista de capacidades. La acción útil ahora no es esperar. La parte de imagen de un brief de vídeo se puede probar con las herramientas actuales, y la parte de audio puede preestructurarse en columnas vacías, para que la primera semana tras el lanzamiento sea una comparación y no una carrera. Esta hoja aporta esa estructura. Es un proceso sugerido, no probado; nada aquí promete el comportamiento de un modelo no publicado.
Qué puedes suponer y qué no
Suficientemente confirmado para planificar: según los reportes de noviembre, un futuro modelo de vídeo de Midjourney generará sonido junto al movimiento. Sin confirmar: fecha de lanzamiento, duración de clips, control del estilo de audio, voz y cómo se escribirán los prompts. Por eso todo lo que sigue trata el audio como una columna de planificación, nunca como una expectativa de prompt.
Lo que sí puedes hacer hoy con funciones disponibles: fijar la pista de imagen con imágenes fijas de V8.2 y las herramientas de vídeo actuales, y registrar qué imágenes resistieron el movimiento. Es trabajo real y exactamente la base contra la que se medirá un modelo con sonido.
La hoja de dos pistas
Pasa cada concepto de vídeo por esta tabla antes de generar nada. Cópiala tal cual en tus notas de proyecto.
| Plano | Pista de imagen (rellenar hoy) | Pista de audio (rellenar al lanzamiento) |
|---|---|---|
| 1 | Sujeto, acción, movimiento de cámara, formato | Ambiente previsto, un evento sonoro clave |
| 2 | Igual, más lo que debe coincidir con el plano 1 | Ambiente previsto, evento sonoro o silencio deliberado |
| 3 | Tipo de transición al siguiente plano | Si el sonido acompaña la transición o corta con ella |
Reglas para rellenarla:
- Un solo movimiento de cámara por plano. Si el plano necesita dos, divide la fila. Los planos de movimiento único resisten mejor las pruebas de movimiento.
- Nombra el ancla de consistencia. Para cada plano posterior, escribe qué debe coincidir con el plano 1: vestuario, decorado, dirección de la luz. Eso se convierte en tu plan de imágenes de referencia.
- El silencio es una entrada, no un hueco. Un tiempo silencioso deliberado entre dos eventos sonoros es una decisión creativa. Escríbelo ya en la columna de audio para que nadie lo rellene luego con ambiente por defecto.

Fija la pista de imagen hoy
Con la columna de audio deliberadamente vacía, la parte de imagen se puede producir ahora:
- Genera la imagen fija hero de cada plano con V8.2. Anota el prompt ganador y sus ajustes en la columna de imagen, no en el historial de chat. Para las bases de estructura de prompt, consulta fundamentos del prompt.
- Ejecuta una prueba de movimiento por hero con las funciones de vídeo actuales y registra qué imágenes aguantaron. Espera fallos en manos complejas, textos pequeños e interacciones con varios objetos; esos planos necesitan una imagen más simple o un recorte más cerrado antes de la semana del lanzamiento.
- Congela una versión de la pista de imagen. Guarda las imágenes aprobadas, sus prompts y formatos en una carpeta. Ese conjunto congelado es tu base del día de lanzamiento: la comparación se hace contra él, y solo contra él.
No escribas prompts de audio por adelantado. No hay sintaxis documentada, e inventarla garantiza rehacer el trabajo.
Planifica el silencio antes de que exista el sonido
El error más común en los primeros trabajos de audio es un ambiente continuo desde el primer fotograma. Decide ahora dónde tu concepto quiere silencio. Dos segundos de silencio tras cerrarse una puerta hacen más que una capa completa de ruido, y ese tipo de decisión es fácil sobre el papel y difícil con la fecha encima. Marca los tramos silenciosos igual que los eventos sonoros.

Semana de lanzamiento: comparación, no reinicio
Cuando un modelo con sonido aparezca de verdad, la hoja se convierte en protocolo de prueba:
- Vuelve a pasar cada prompt congelado de la pista de imagen por el nuevo proceso de vídeo sin cambios. Cambia el modelo, no la redacción; si no, la comparación mide el prompt y no el modelo.
- Rellena la columna de audio solo para los tres primeros planos. Tres filas evaluadas superan a nueve hojeadas.
- Puntúa ambas pistas contra el brief: ¿el movimiento mantuvo el ancla y el audio generado coincide con el ambiente, el evento o el silencio previstos?
- Conserva lo que supere la base; para el resto, quédate con la base. El audio de primera generación no ganará en todas las filas, y eso es esperable.
Registra los resultados como observaciones de tus propias pruebas. No publiques comportamientos «oficiales» antes de que lo diga la documentación.
Límites de esta hoja
Este proceso no puede prometer nada sobre un modelo no publicado: duración de clips, control del estilo de audio, generación de voz y precio son desconocidos, y el propio elemento de hoja de ruta viene de reportes de office hours, no de una página oficial de producto. Lo que garantiza es más pequeño y aún así valioso: una base de imagen congelada, anclas de consistencia nombradas y decisiones de audio tomadas sobre el papel en lugar de bajo presión. Para el contexto de hoja de ruta, consulta el estado de V9 en noviembre.
Empieza en MidassAI Studio
Guarda la pista de imagen congelada, sus prompts y esta hoja en una misma carpeta de proyecto de MidassAI Studio y la semana de lanzamiento empezará con una carpeta, no con una búsqueda. Prueba Midjourney en MidassAI Studio y congela un concepto de tres planos esta semana.